arxiv arXiv cs.AI · hace 2 h

Marco de LLM Agente para Clasificación de Código HTS

Se propone un marco de modelo de lenguaje grande agente basado en consenso para la clasificación precisa de códigos del Arancel Armonizado de 10 dígitos en la logística marítima canadiense. Evaluado en 3,300 registros de productos etiquetados por expertos, el marco muestra que la clasificación HTS de gran detalle sigue siendo un desafío para los LLM avanzados, destacando la necesidad de flujos de trabajo fundamentados en evidencia, conscientes de la incertidumbre y con humanos en el bucle.

arxiv arXiv cs.AI · hace 2 h

Progreso habilitado por IA en Menús Estables de Bienes Públicos

Los experimentos sobre los 'Menús Estables de Bienes Públicos' de EC 2025 muestran que las indicaciones de intuición humana mejoran el rendimiento del LLM y las interacciones multi-turno potencian pasos ambiciosos. Sin embargo, al compararse con un estudiante de primer año de doctorado que utiliza un manuscrito no publicado, se encuentra que el LLM es ligeramente menos efectivo.

arxiv arXiv cs.AI · hace 2 h

PACT: Deliberación de Modelos de Lenguaje Pequeños para Aprendizaje por Refuerzo Reactivo

PACT combina una política de RL reactiva con un Modelo de Lenguaje Pequeño (SLM) de 2B parámetros para generar y validar planes de acción. El plan SLM se ejecuta directamente si se verifica como seguro, factible y completo, omitiendo la política de RL. PACT supera a las líneas base en tres entornos FrozenLake de dificultad creciente.

arxiv arXiv cs.AI · hace 2 h

ActiveSAM: Segmentación de vocabulario abierto rápida y precisa

ActiveSAM es un marco sin entrenamiento y zero-shot que mejora SAM 3 para la segmentación semántica de vocabulario abierto identificando un conjunto activo de clases condicionado por imagen. Mejora el equilibrio entre velocidad y precisión, superando a SegEarth-OV3 en +1.4 mIoU en promedio y ejecutándose hasta 5.5 veces más rápido en conjuntos de datos de gran vocabulario, con una fuerte robustez bajo corrupción de imágenes.

arxiv arXiv cs.AI · hace 2 h

Las auditorías bayesianas revelan plazos inconsistentes en la evaluación de IA

Los archivos públicos de evaluación de IA muestran que un único resultado terminal puede surgir de dos historias pre-terminales distintas, con tiempos estimados para alcanzar el 95% de los techos de rendimiento en 23.03 o 75.13. Un modelo de frontera consciente de la selección de candidatos falla en la recuperación sintética y la calibración de incertidumbre, y es rechazado por puertas de auditoría fijas. Un protocolo de archivo y adjudicación verifica los límites temporales y refuta las afirmaciones de frontera no respaldadas.

arxiv arXiv cs.AI · hace 2 h

TuneJury: Métrica abierta para la alineación de preferencias en la generación de música

TuneJury es un modelo de recompensa por pares a nivel de instancia que predice puntuaciones de preferencia musical a partir de indicaciones de texto y clips de audio. Está entrenado con datos diversos de preferencia humana y demuestra una fuerte capacidad de generalización, con calibración de anclaje que permite una alineación posterior eficiente para sistemas de generación de música.

arxiv arXiv cs.AI · hace 2 h

TokenPilot: Gestión de contexto eficiente en caché para agentes LLM

TokenPilot reduce los costos de inferencia entre un 61% y un 87% tanto en modos aislados como continuos, superando a sistemas anteriores en eficiencia de costos mientras mantiene un rendimiento competitivo. Utiliza compactación consciente de la ingestión y evicción consciente del ciclo de vida para preservar la continuidad de la caché de prompts y minimizar la huella de tokens sin introducir desajustes de prefijo.

arxiv arXiv cs.AI · hace 2 h

FusionRS: Primer conjunto de datos a gran escala de teledetección RGB-infrarrojo

FusionRS presenta el primer conjunto de datos a gran escala RGB-infrarrojo-texto para la modelización de visión-lenguaje en teledetección. Alinea imágenes RGB e infrarrojas con descripciones conscientes del infrarrojo, permitiendo modelos de base de visión-lenguaje bimodales. Los experimentos muestran una mejora en la alineación RGB-IR, recuperación y generación de descripciones, con estudios de ablación que confirman el papel crítico de la supervisión textual específica de la modalidad.

arxiv arXiv cs.AI · hace 2 h

HAMON: Pronóstico óptico pasivo para series temporales de largo plazo

HAMON utiliza componentes ópticos pasivos para realizar pronósticos de series temporales de largo plazo, superando a los mejores modelos digitales en ETTm2 en todos los horizontes y en ETTh2 en todos excepto el horizonte más largo. Logra hasta un 14% menos de MSE y se basa en la propagación óptica física sin capas digitales entrenables, demostrando que la mezcla óptica pasiva puede producir pronósticos competitivos.

arxiv arXiv cs.AI · hace 2 h

Fase en Representaciones Neuronales: Una Prueba Interna de Oppenheim-Lim

Los clasificadores de imágenes como PRISM2D, GFNet y ViT-B/16 muestran que la fase, no la magnitud, impulsa las predicciones en las capas ocultas. ResNet-50 revela un código de signo latente en los bloques tardíos, indicando que la identidad de fase/signo existe a través de las arquitecturas, aunque se expresa de manera diferente debido a los mecanismos de activación y lectura.

media Latent Space · hace 2 h

Satya Nadella sobre Loopcraft y ecosistemas de vanguardia

El CEO de Microsoft, Satya Nadella, presenta 'Loopcraft' como una nueva teoría de la empresa, enfatizando que la verdadera oportunidad en la IA no radica en seleccionar el mejor modelo, sino en construir bucles de aprendizaje que acumulen capital humano y de tokens. Afirma que la prioridad debe ser crear ecosistemas de vanguardia donde cada organización pueda poseer y desarrollar su conocimiento institucional, permitiendo un amplio flujo de valor a través de industrias y países.

arxiv arXiv cs.LG · hace 2 h

Optimización Hyperball para un entrenamiento más rápido de modelos de lenguaje

Hyperball es un envoltorio de optimizador simple que establece normas de Frobenius fijas para las matrices de pesos y sus actualizaciones. Mejora la velocidad de entrenamiento y la transferencia de la tasa de aprendizaje en modelos grandes, logrando una aceleración equivalente a tokens del 20--30% sobre las líneas base de weight decay en modelos de hasta 1.2B parámetros.

arxiv arXiv cs.LG · hace 2 h

Los Operadores Neurales Factorizados Descomponen Respuestas Dinámicas y Persistentes

Los Operadores Neurales Factorizados (FaNO) descomponen representaciones espectrales en respuestas dinámicas equivariantes y persistentes invariantes. Esta estructura factorizada permite una mejor interpretabilidad, generalización y predicciones consistentes a través de escalas, dominios y regímenes físicos.

arxiv arXiv cs.LG · hace 2 h

CEAP reduce la varianza en el descubrimiento de circuitos de LLM

CEAP, un nuevo método de descubrimiento de circuitos, reduce sustancialmente la varianza de remuestreo en comparación con EAP-IG. El artículo muestra que la varianza por reformulación surge porque las plantillas de prompt activan diferentes circuitos, lo que sugiere que los LLM son inherentemente difíciles de dirigir a través de entradas diversas. La varianza por muestra es en gran medida benigna, ya que los puntajes bajos de fidelidad se deben al escalado selectivo de contribuciones, no a defectos del circuito.

arxiv arXiv cs.LG · hace 2 h

Descenso de gradiente funcional adaptativo con garantías de convergencia

Proponemos un nuevo algoritmo de descenso de gradiente funcional que adapta su representación durante la optimización. El método logra converger a un punto estacionario bajo pérdidas suaves y a un minimizador global bajo suavidad y una condición de Polyak-Lojasiewicz, a pesar de usar aproximaciones de dimensión finita. Supera tanto al FGD con aproximación fija como a las líneas base de redes neuronales en tareas de regresión, resolución de EDP y visión por computadora.

arxiv arXiv cs.LG · hace 2 h

Taxonomía unificada de origen causal de los cambios de distribución en el aprendizaje por refuerzo

Este artículo propone una taxonomía unificada de origen causal para los cambios de distribución en el aprendizaje por refuerzo, vinculando la generalización ID/OOD con entornos no estacionarios. Descompone la interacción agente-entorno utilizando un marco POMDP, identificando cambios internos impulsados por el agente y externos impulsados por el entorno, con tipos explícitos, implícitos e híbridos definidos por el límite de tiempo desplazado. El trabajo introduce un marco de evaluación para medir el impacto del cambio a través de métricas de degradación y recuperación del rendimiento, permitiendo un análisis sistemático de la robustez del RL.

arxiv arXiv cs.LG · hace 2 h

Propiedades clave para el razonamiento efectivo del intérprete de código

Un estudio identifica propiedades extrínsecas (tokens cruciales) e intrínsecas (comportamientos cognitivos) que mejoran el razonamiento del intérprete de código en modelos de lenguaje grandes. Los modelos con razonamiento más fuerte muestran una mayor prevalencia de verificación, retroceso y encadenamiento hacia atrás, con estas propiedades mejorando el rendimiento durante la inferencia y el entrenamiento, reduciendo el sobre-pensamiento y aumentando la eficiencia de los tokens.

arxiv arXiv cs.LG · hace 2 h

CrossMaps: Mapeo semántico consciente de la confianza para la navegación de rovers

CrossMaps es una canalización de mapeo semántico en tiempo real y consciente de la confianza que utiliza datos RGB-D para crear mapas consultables por lenguaje. Integra incrustaciones CLIP multi-escala con una arquitectura de doble memoria—Memoria a Corto Plazo y Memoria a Largo Plazo—para agregar observaciones visuales y promover celdas coherentes y confiables como puntos de referencia semánticos persistentes. El sistema permite consultas en lenguaje natural para guiar la navegación del rover mediante mapas de calor semánticos.

arxiv arXiv cs.LG · hace 2 h

CircuitLasso: Aprendizaje de circuitos escalable para la interpretabilidad de LLM

CircuitLasso permite el aprendizaje de circuitos escalable en modelos de lenguaje grandes mediante el uso de regresión lineal dispersa. Recupera circuitos con precisión estructural comparable a los métodos más avanzados, pero con un costo computacional significativamente menor, y demuestra una propagación semántica interpretable por humanos a través de los componentes del modelo. Los circuitos aprendidos logran un rendimiento comparable en una tarea de generalización de dominio con un costo reducido.

arxiv arXiv cs.LG · hace 2 h

Una prueba de dos muestras no paramétrica usando PReLU-IPM

El estudio introduce PReLU-IPM, una nueva métrica de probabilidad integral basada en un discriminador de red neuronal con un solo nodo. La prueba PReLU-TST resultante es no paramétrica, consistente y asintóticamente equivalente a las pruebas basadas en IPM estándar, mostrando mayor potencia o rendimiento competitivo en conjuntos de datos simulados y reales.